A Voyage 3 Large szövegbeágyazási modell, amellyel releváns információ kereshető egy dokumentumgyűjteményben. Minden megadott szöveget számszerű vektorként ábrázol, így az alkalmazás olyan szövegrészletekkel is összevetheti a keresést, amelyek más szavakat használnak, de a jelentésük összefügg. A Voyage AI ezt a kiadást általános célú és többnyelvű információkereséshez ajánlja, például műszaki dokumentáció, beszélgetések és hosszú dokumentumok feldolgozására.
A kereshető gyűjteményt azokból az információkból építsd fel, amelyeket az emberek valóban meg szeretnének találni. Terméktudásbázisban tartsd együtt egy funkció magyarázatát az előfeltételeivel és a releváns kivételekkel. Értekezletek feljegyzéseiben őrizd meg a beszélők jelölését és a környező beszélgetés akkora részét, hogy a téma érthető legyen. A nagy forrásokat értelmes határoknál oszd fel, és minden vektor mellett tárold a forrás címét, a dokumentum azonosítóját és a szövegrészlet helyét.
A keresési kérdést lekérdezésként, az indexelt anyagot dokumentumként készítsd elő. A gyártó szövegbeágyazási munkafolyamatában a bemenet típusa jelzi a modellnek, milyen keresési szerepet tölt be a szöveg. A „Hogyan állíthatja helyre egy tag a hozzáférését, ha elveszítette a biztonsági kulcsát?” kérdés így összevethető a helyreállítási eljárást leíró támogatási szövegrészletekkel akkor is, ha másképp fogalmaznak. Tartsd elérhetően az eredeti szövegrészletet, hogy a keresési eredmény megmutathassa a találatot alátámasztó bizonyítékot.
A modell kontextusablaka 32 000 token. A hosszú bemenet megőrizhet egy teljes szakaszt, de nem mindig az egész dokumentum a leghasznosabb keresési egység. Egy átfogó vektor rámutathat a megfelelő fájlra, miközben a pontos válasz megkeresése az olvasóra marad. A szövegrészletek határait a megjeleníteni kívánt eredményhez igazítsd, és tartsd együtt a címsorokat, feltételeket és meghatározásokat azzal a tartalommal, amelyet magyaráznak.
A Voyage 3 Large 2 048, 1 024, 512 vagy 256 dimenziós vektorokat támogat. A gyártó lebegőpontos, előjeles vagy előjel nélküli nyolcbites és bináris reprezentációkat is dokumentál. Ezekkel a lehetőségekkel a keresőrendszer összevetheti a vektorok részletességét az index méretével és a keresés működésével. Válassz a tervezett vektortár által támogatott formátumot, majd értékeld a tényleges korpuszon és jellemző kérdésekkel, mielőtt meghatározod az éles index beállításait.
Többnyelvű kereséshez használj tesztkérdéseket a felhasználóid által használt nyelveken, és a visszakeresett forrásrészleteket az eredeti nyelvükön ellenőrizd. Egy közös keresőfelület több nyelvi gyűjteményt is kiszolgálhat, miközben a dokumentum metaadatai továbbra is azonosítják a forrás nyelvi-területi változatát és verzióját. A kinyerés során őrizd meg a jelentéssel bíró neveket, rövidítéseket és szakterületi kifejezéseket, ahelyett, hogy a beágyazás előtt általános összefoglalóra cserélnéd őket.
A vektorokkal kereshetsz lehetséges szövegrészleteket egy keresőoldalhoz, tudásasszisztenshez vagy dokumentumkiválasztási lépéshez. Az indexelt gyűjteményhez és annak lekérdezéseihez ugyanazt a modellt és ugyanazokat a vektorbeállításokat használd. Beágyazási modell cseréjekor vagy a vektordimenziók módosításakor tudatosan építsd újra és hasonlítsd össze az érintett indexet; a vektor hossza önmagában nem azonosítja, hogyan készült.
Az eredményt a keresés hasznossága alapján ítéld meg: megjelenik-e a megfelelő szövegrészlet, elé kerülnek-e hasonló, de félrevezető részletek, és tartalmazza-e a megjelenített kivonat a választ. Tarts fenn egy kisebb, valós kérdésekből és elvárt forrásokból álló készletet, benne kétértelmű megfogalmazásokkal és közel azonos dokumentumokkal. A beágyazás kereshető reprezentációt ad; az alkalmazás őrzi meg a forrásszöveget, jogosultságokat és hivatkozásokat, amelyek a találatot használható eredménnyé teszik.
", "aboutText": "A Voyage 3 Large szövegbeágyazási modell, amellyel releváns információ kereshető egy dokumentumgyűjteményben. Minden megadott szöveget számszerű vektorként ábrázol, így az alkalmazás olyan szövegrészletekkel is összevetheti a keresést, amelyek más szavakat használnak, de a jelentésük összefügg. A Voyage AI ezt a kiadást általános célú és többnyelvű információkereséshez ajánlja, például műszaki dokumentáció, beszélgetések és hosszú dokumentumok feldolgozására.\n\nA kereshető gyűjteményt azokból az információkból építsd fel, amelyeket az emberek valóban meg szeretnének találni. Terméktudásbázisban tartsd együtt egy funkció magyarázatát az előfeltételeivel és a releváns kivételekkel. Értekezletek feljegyzéseiben őrizd meg a beszélők jelölését és a környező beszélgetés akkora részét, hogy a téma érthető legyen. A nagy forrásokat értelmes határoknál oszd fel, és minden vektor mellett tárold a forrás címét, a dokumentum azonosítóját és a szövegrészlet helyét.\n\nA keresési kérdést lekérdezésként, az indexelt anyagot dokumentumként készítsd elő. A gyártó szövegbeágyazási munkafolyamatában a bemenet típusa jelzi a modellnek, milyen keresési szerepet tölt be a szöveg. A „Hogyan állíthatja helyre egy tag a hozzáférését, ha elveszítette a biztonsági kulcsát?” kérdés így összevethető a helyreállítási eljárást leíró támogatási szövegrészletekkel akkor is, ha másképp fogalmaznak. Tartsd elérhetően az eredeti szövegrészletet, hogy a keresési eredmény megmutathassa a találatot alátámasztó bizonyítékot.\n\nA modell kontextusablaka 32 000 token. A hosszú bemenet megőrizhet egy teljes szakaszt, de nem mindig az egész dokumentum a leghasznosabb keresési egység. Egy átfogó vektor rámutathat a megfelelő fájlra, miközben a pontos válasz megkeresése az olvasóra marad. A szövegrészletek határait a megjeleníteni kívánt eredményhez igazítsd, és tartsd együtt a címsorokat, feltételeket és meghatározásokat azzal a tartalommal, amelyet magyaráznak.\n\nA Voyage 3 Large 2 048, 1 024, 512 vagy 256 dimenziós vektorokat támogat. A gyártó lebegőpontos, előjeles vagy előjel nélküli nyolcbites és bináris reprezentációkat is dokumentál. Ezekkel a lehetőségekkel a keresőrendszer összevetheti a vektorok részletességét az index méretével és a keresés működésével. Válassz a tervezett vektortár által támogatott formátumot, majd értékeld a tényleges korpuszon és jellemző kérdésekkel, mielőtt meghatározod az éles index beállításait.\n\nTöbbnyelvű kereséshez használj tesztkérdéseket a felhasználóid által használt nyelveken, és a visszakeresett forrásrészleteket az eredeti nyelvükön ellenőrizd. Egy közös keresőfelület több nyelvi gyűjteményt is kiszolgálhat, miközben a dokumentum metaadatai továbbra is azonosítják a forrás nyelvi-területi változatát és verzióját. A kinyerés során őrizd meg a jelentéssel bíró neveket, rövidítéseket és szakterületi kifejezéseket, ahelyett, hogy a beágyazás előtt általános összefoglalóra cserélnéd őket.\n\nA vektorokkal kereshetsz lehetséges szövegrészleteket egy keresőoldalhoz, tudásasszisztenshez vagy dokumentumkiválasztási lépéshez. Az indexelt gyűjteményhez és annak lekérdezéseihez ugyanazt a modellt és ugyanazokat a vektorbeállításokat használd. Beágyazási modell cseréjekor vagy a vektordimenziók módosításakor tudatosan építsd újra és hasonlítsd össze az érintett indexet; a vektor hossza önmagában nem azonosítja, hogyan készült.\n\nAz eredményt a keresés hasznossága alapján ítéld meg: megjelenik-e a megfelelő szövegrészlet, elé kerülnek-e hasonló, de félrevezető részletek, és tartalmazza-e a megjelenített kivonat a választ. Tarts fenn egy kisebb, valós kérdésekből és elvárt forrásokból álló készletet, benne kétértelmű megfogalmazásokkal és közel azonos dokumentumokkal. A beágyazás kereshető reprezentációt ad; az alkalmazás őrzi meg a forrásszöveget, jogosultságokat és hivatkozásokat, amelyek a találatot használható eredménnyé teszik.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "20d05d2f6dc58871c9319eb7a9a9f40cc4c1d73ac0d08db4a32629ffabf281c8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "voyage-3-largeA Voyage 3 Large szövegből állít elő vektorokat általános célú és többnyelvű információkereséshez. A 32 000 tokenes bemeneti ablak, a választható vektordimenziók és a kvantált formátumok kereshető tudásbázisok, dokumentumkeresők és visszakereséssel kiegészített szöveggenerálás kialakítását támogatják.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Voyage 3 Large szövegbeágyazási modell, amellyel releváns információ kereshető egy dokumentumgyűjteményben. Minden megadott szöveget számszerű vektorként ábrázol, így az alkalmazás olyan szövegrészletekkel is összevetheti a keresést, amelyek más szavakat használnak, de a jelentésük összefügg. A Voyage AI ezt a kiadást általános célú és többnyelvű információkereséshez ajánlja, például műszaki dokumentáció, beszélgetések és hosszú dokumentumok feldolgozására.
A kereshető gyűjteményt azokból az információkból építsd fel, amelyeket az emberek valóban meg szeretnének találni. Terméktudásbázisban tartsd együtt egy funkció magyarázatát az előfeltételeivel és a releváns kivételekkel. Értekezletek feljegyzéseiben őrizd meg a beszélők jelölését és a környező beszélgetés akkora részét, hogy a téma érthető legyen. A nagy forrásokat értelmes határoknál oszd fel, és minden vektor mellett tárold a forrás címét, a dokumentum azonosítóját és a szövegrészlet helyét.
A keresési kérdést lekérdezésként, az indexelt anyagot dokumentumként készítsd elő. A gyártó szövegbeágyazási munkafolyamatában a bemenet típusa jelzi a modellnek, milyen keresési szerepet tölt be a szöveg. A „Hogyan állíthatja helyre egy tag a hozzáférését, ha elveszítette a biztonsági kulcsát?” kérdés így összevethető a helyreállítási eljárást leíró támogatási szövegrészletekkel akkor is, ha másképp fogalmaznak. Tartsd elérhetően az eredeti szövegrészletet, hogy a keresési eredmény megmutathassa a találatot alátámasztó bizonyítékot.
A modell kontextusablaka 32 000 token. A hosszú bemenet megőrizhet egy teljes szakaszt, de nem mindig az egész dokumentum a leghasznosabb keresési egység. Egy átfogó vektor rámutathat a megfelelő fájlra, miközben a pontos válasz megkeresése az olvasóra marad. A szövegrészletek határait a megjeleníteni kívánt eredményhez igazítsd, és tartsd együtt a címsorokat, feltételeket és meghatározásokat azzal a tartalommal, amelyet magyaráznak.
A Voyage 3 Large 2 048, 1 024, 512 vagy 256 dimenziós vektorokat támogat. A gyártó lebegőpontos, előjeles vagy előjel nélküli nyolcbites és bináris reprezentációkat is dokumentál. Ezekkel a lehetőségekkel a keresőrendszer összevetheti a vektorok részletességét az index méretével és a keresés működésével. Válassz a tervezett vektortár által támogatott formátumot, majd értékeld a tényleges korpuszon és jellemző kérdésekkel, mielőtt meghatározod az éles index beállításait.
Többnyelvű kereséshez használj tesztkérdéseket a felhasználóid által használt nyelveken, és a visszakeresett forrásrészleteket az eredeti nyelvükön ellenőrizd. Egy közös keresőfelület több nyelvi gyűjteményt is kiszolgálhat, miközben a dokumentum metaadatai továbbra is azonosítják a forrás nyelvi-területi változatát és verzióját. A kinyerés során őrizd meg a jelentéssel bíró neveket, rövidítéseket és szakterületi kifejezéseket, ahelyett, hogy a beágyazás előtt általános összefoglalóra cserélnéd őket.
A vektorokkal kereshetsz lehetséges szövegrészleteket egy keresőoldalhoz, tudásasszisztenshez vagy dokumentumkiválasztási lépéshez. Az indexelt gyűjteményhez és annak lekérdezéseihez ugyanazt a modellt és ugyanazokat a vektorbeállításokat használd. Beágyazási modell cseréjekor vagy a vektordimenziók módosításakor tudatosan építsd újra és hasonlítsd össze az érintett indexet; a vektor hossza önmagában nem azonosítja, hogyan készült.
Az eredményt a keresés hasznossága alapján ítéld meg: megjelenik-e a megfelelő szövegrészlet, elé kerülnek-e hasonló, de félrevezető részletek, és tartalmazza-e a megjelenített kivonat a választ. Tarts fenn egy kisebb, valós kérdésekből és elvárt forrásokból álló készletet, benne kétértelmű megfogalmazásokkal és közel azonos dokumentumokkal. A beágyazás kereshető reprezentációt ad; az alkalmazás őrzi meg a forrásszöveget, jogosultságokat és hivatkozásokat, amelyek a találatot használható eredménnyé teszik.
POST /v1/embeddingstextembedding| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok voyage-3-large Feltételek: Használja a pontos Ailoot modellválasztót. | Alapértelmezett— |
Mezőinput | Típusstring or array<string> | KövetelményKötelező | Értékek és korlátok Feltételek: Egy szöveg vagy szövegek listája; minden visszaadott adatelemhez és annak indexéhez őrizzen meg egy vektort. | Alapértelmezett— |
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input |
Paraméteroptional | Szerződés |
Paramétermaterial_types | Szerződéstext |
Paraméterconditions | SzerződésKüldjön szöveget a kiválasztott modellel; őrizzen meg minden visszaadott vektort és annak indexét. |
Életciklus: synchronous
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0004 / 1K token Kimenet · Kimeneti tokenek $0 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncat > request.json <<'JSON'\n{\n "model": "voyage-3-large",\n "input": "The quick brown fox jumps over the lazy dog"\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\nAiloot Ultra voyage-3-large
Használja a fent látható metódusútvonalakat.